最接地气的负载均衡算法（含代码）

随机算法

从可用的节点中，随机挑选一个节点来访问。一般通过生成一个随机数来实现

适用场景：

实现比较简单，在请求量远超可用服务节点数量的情况下，各个服务节点被访问的概率基本相同，主要应用在各个服务节点的性能差异不大的情况下。

 protected Referer<T> doSelect(Request request) {
    List<Referer<T>> referers = getReferers();
    int idx = (int) (ThreadLocalRandom.current().nextDouble() * referers.size());
    for (int i = 0; i < referers.size(); i++) {
        Referer<T> ref = referers.get((i + idx) % referers.size());
        if (ref.isAvailable()) {
            return ref;
        }
    }
    return null;
}

轮询算法

按照固定的顺序，把可用的服务节点，挨个访问一次。轮询算法能够保证所有节点被访问到的概率是相同的。

在实现时，轮询算法通常是把所有可用节点放到一个数组里，然后按照数组编号，挨个访问。比如服务有 10 个节点，放到数组里就是一个大小为 10 的数组，这样的话就可以从序号为 0 的节点开始访问，访问后序号自动加 1，下一次就会访问序号为 1 的节点，以此类推。

适用场景：

跟随机算法类似，各个服务节点被访问的概率也基本相同，也主要应用在各个服务节点性能差异不大的情况下。

protected Referer<T> doSelect(Request request) {
    List<Referer<T>> referers = getReferers();
    int index = getNextNonNegative();
    for (int i = 0; i < referers.size(); i++) {
        Referer<T> ref = referers.get((i + index) % referers.size());
        if (ref.isAvailable()) {
            return ref;
        }
    }
    return null;
}

加权轮询算法

轮询算法能够保证所有节点被访问的概率相同，而加权轮询算法是在此基础上，给每个节点赋予一个权重，从而使每个节点被访问到的概率不同，权重大的节点被访问的概率就高，权重小的节点被访问的概率就小。

适用场景：

主要被用在服务节点性能差异比较大的情况。比如经常会出现一种情况，因为采购时间的不同，新的服务节点的性能往往要高于旧的节点，这个时候可以给新的节点设置更高的权重，让它承担更多的请求，充分发挥新节点的性能优势。

protected Referer<T> doSelect(Request request) {
    if (holder == emptyHolder) {
        return null;
    }
    RefererListCacheHolder<T> h = this.holder;
    Referer<T> r = h.next();
    if (!r.isAvailable()) {
        int retryTimes = getReferers().size() - 1;
        for (int i = 0; i < retryTimes; i++) {
            r = h.next();
            if (r.isAvailable()) {
                break;
            }
        }
    }
    if (r.isAvailable()) {
        return r;
    } else {
        noAvailableReferer();
        return null;
    }
}

最少活跃连接算法

因为不同节点处理请求的速度不同，使得同一个服务消费者同每一个节点的连接数都不相同。连接数大的节点，可以认为是处理请求慢，而连接数小的节点，可以认为是处理请求快。所以在挑选节点时，可以以连接数为依据，选择连接数最少的节点访问。

适用场景：

与加权轮询算法预先定义好每个节点的访问权重不同，采用最少活跃连接算法，客户端同服务端节点的连接数是在时刻变化的，理论上连接数越少代表此时服务端节点越空闲，选择最空闲的节点发起请求，能获取更快的响应速度。尤其在服务端节点性能差异较大，而又不好做到预先定义权重时，采用最少活跃连接算法是比较好的选择。

protected Referer<T> doSelect(Request request) {
    List<Referer<T>> referers = getReferers();
    int refererSize = referers.size();
    int startIndex = ThreadLocalRandom.current().nextInt(refererSize);
    int currentCursor = 0;
    int currentAvailableCursor = 0;
    Referer<T> referer = null;
    while (currentAvailableCursor < MAX_REFERER_COUNT && currentCursor < refererSize) {
        Referer<T> temp = referers.get((startIndex + currentCursor) % refererSize);
        currentCursor++;
        if (!temp.isAvailable()) {
            continue;
        }
        currentAvailableCursor++;
        if (referer == null) {
            referer = temp;
        } else {
            if (compare(referer, temp) > 0) {
                referer = temp;
            }
        }
    }
    return referer;
}

一致性Hash算法

一致性 hash 算法，是通过某个 hash 函数，把同一个来源的请求都映射到同一个节点上。一致性hash 算法最大的特点就是同一个来源的请求，只会映射到同一个节点上，可以说是具有记忆功能。只有当这个节点不可用时，请求才会被分配到相邻的可用节点上。

适用场景：

因为它能够保证同一个客户端的请求始终访问同一个服务节点，所以适合服务端节点处理不同客户端请求差异较大的场景。比如服务端缓存里保存着客户端的请求结果，如果同一客户端一直访问一个服务节点，那么就可以一直从缓存中获取数据。

protected Referer<T> doSelect(Request request) {
    int hash = getHash(request);
    Referer<T> ref;
    for (int i = 0; i < getReferers().size(); i++) {
        ref = consistentHashReferers.get((hash + i) % consistentHashReferers.size());
        if (ref.isAvailable()) {
            return ref;
        }
    }
    return null;
}

private int getHash(Request request) {
    int hashcode;
    if (request.getArguments() == null || request.getArguments().length == 0) {
        hashcode = request.hashCode();
    } else {
        hashcode = Arrays.hashCode(request.getArguments());
    }
    return MathUtil.getNonNegative(hashcode);
}